機器視覺系統

　　視覺系統就是用機器代替人眼來做測量和判斷。視覺系統是指通過機器視覺產品（即圖像攝取裝置，分 CMOS 和CCD 兩種）將被攝取目標轉換成圖像信號，傳送給專用的圖像處理系統，根據像素分布和亮度、顏色等信息，轉變成數字化信號；圖像系統對這些信號進行各種運算來抽取目標的特征，進而根據判別的結果來控制現場的設備動作。是用于生產、裝配或包裝的有價值的機制。它在檢測缺陷和防止缺陷產品被配送到消費者的功能方面具有不可估量的價值。

　　機器視覺系統的特點是提高生產的柔性和自動化程度。在一些不適合于人工作業(yè)的危險工作環(huán)境或人工視覺難以滿足要求的場合，常用機器視覺來替代人工視覺；同時在大批量工業(yè)生產過程中，用人工視覺檢查產品質量效率低且精度不高，用機器視覺檢測方法可以大大提高生產效率和生產的自動化程度。而且機器視覺易于實現信息集成，是實現計算機集成制造的基礎技術?？梢栽谧羁斓纳a線上對產品進行測量、引導、檢測、和識別，并能保質保量的完成生產任務。

　　一個典型的機器視覺系統包括以下五大塊：

　　照明是影響機器視覺系統輸入的重要因素，它直接影響輸入數據的質量和應用效果。由于沒有通用的機器視覺照明設備，所以針對每個特定的應用實例，要選擇相應的照明裝置，以達到最佳效果。光源可分為可見光和不可見光。常用的幾種可見光源是白幟燈、日光燈、水銀燈和鈉光燈。可見光的缺點是光能不能保持穩(wěn)定。如何使光能在一定的程度上保持穩(wěn)定，是實用化過程中急需要解決的問題。另一方面，環(huán)境光有可能影響圖像的質量，所以可采用加防護屏的方法來減少環(huán)境光的影響。照明系統按其照射方法可分為：背向照明、前向照明、結構光和頻閃光照明等。其中，背向照明是被測物放在光源和攝像機之間，它的優(yōu)點是能獲得高對比度的圖像。前向照明是光源和攝像機位于被測物的同側，這種方式便于安裝。結構光照明是將光柵或線光源等投射到被測物上，根據它們產生的畸變，解調出被測物的三維信息。頻閃光照明是將高頻率的光脈沖照射到物體上，攝像機拍攝要求與光源同步。

　　FOV（Field of Vision）=所需分辨率*亞象素*相機尺寸/PRTM（零件測量公差比）

　　鏡頭選擇應注意：

　?、俳咕啖谀繕烁叨?③影像高度 ④放大倍數 ⑤影像至目標的距離 ⑥中心點 /節(jié)點⑦畸變

　　視覺檢測中如何確定鏡頭的焦距

　　為特定的應用場合選擇合適的工業(yè)鏡頭時必須考慮以下因素：

　　· 視野 - 被成像區(qū)域的大小。

　　· 工作距離 (WD) - 攝像機鏡頭與被觀察物體或區(qū)域之間的距離。

　　· CCD - 攝像機成像傳感器裝置的尺寸。

　　· 這些因素必須采取一致的方式對待。如果在測量物體的寬度，則需要使用水平方向的 CCD 規(guī)格，等等。如果以英寸為單位進行測量，則以英尺進行計算，最后再轉換為毫米。

　　參考如下例子：有一臺 1/3” C 型安裝的 CDD 攝像機（水平方向為 4.8 毫米）。物體到鏡頭前部的距離為 12”（305 毫米）。視野或物體的尺寸為2.5”（64 毫米）。換算系數為 1” = 25.4 毫米（經過圓整）。

　　FL = 4.8 毫米 x 305 毫米 / 64 毫米

　　FL = 1464 毫米 / 64 毫米

　　FL = 按 23 毫米鏡頭的要求

　　FL = 0.19” x 12” / 2.5”

　　FL = 2.28” / 2.5”

　　FL = 0.912” x 25.4 毫米/inch

　　FL = 按 23 毫米鏡頭的要求

　　注：勿將工作距離與物體到像的距離混淆。工作距離是從工業(yè)鏡頭前部到被觀察物體之間的距離。而物體到像的距離是 CCD 傳感器到物體之間的距離。計算要求的工業(yè)鏡頭焦距時，必須使用工作距離

　　按照不同標準可分為：標準分辨率數字相機和模擬相機等。要根據不同的實際應用場合選不同的相機和高分辨率相機：線掃描CCD和面陣CCD；黑白相機和彩色相機。

　　圖像采集卡只是完整的機器視覺系統的一個部件，但是它扮演一個非常重要的角色。圖像采集卡直接決定了攝像頭的接口：黑白、彩色、模擬、數字等等。

　　比較典型的是PCI或AGP兼容的捕獲卡，可以將圖像迅速地傳送到計算機存儲器進行處理。有些采集卡有內置的多路開關。例如，可以連接8個不同的攝像機，然后告訴采集卡采用那一個相機抓拍到的信息。有些采集卡有內置的數字輸入以觸發(fā)采集卡進行捕捉，當采集卡抓拍圖像時數字輸出口就觸發(fā)閘門。

　　視覺處理器

　　視覺處理器集采集卡與處理器于一體。以往計算機速度較慢時，采用視覺處理器加快視覺處理任務。由于采集卡可以快速傳輸圖像到存儲器，而且計算機也快多了，所以視覺處理器用的較少了。

　　在機器視覺系統中，獲得一張高質量的可處理的圖像是至關重要。系統之所以成功，首先要保證圖像質量好，特征明顯，。一個機器視覺項目之所以失敗，大部分情況是由于圖像質量不好，特征不明顯引起的。要保證好的圖像，必須要選擇一個合適的光源。

　　光源選型基本要素：

　　對比度：對比度對機器視覺來說非常重要。機器視覺應用的照明的最重要的任務就是使需要被觀察的特征與需要被忽略的圖像特征之間產生最大的對比度，從而易于特征的區(qū)分。對比度定義為在特征與其周圍的區(qū)域之間有足夠的灰度量區(qū)別。好的照明應該能夠保證需要檢測的特征突出于其他背景。

　　亮度：當選擇兩種光源的時候，最佳的選擇是選擇更亮的那個。當光源不夠亮時，可能有三種不好的情況會出現。第一，相機的信噪比不夠；由于光源的亮度不夠，圖像的對比度必然不夠，在圖像上出現噪聲的可能性也隨即增大。其次，光源的亮度不夠，必然要加大光圈，從而減小了景深。另外，當光源的亮度不夠的時候，自然光等隨機光對系統的影響會最大。

　　魯棒性：另一個測試好光源的方法是看光源是否對部件的位置敏感度最小。當光源放置在攝像頭視野的不同區(qū)域或不同角度時，結果圖像應該不會隨之變化。方向性很強的光源，增大了對高亮區(qū)域的鏡面反射發(fā)生的可能性，這不利于后面的特征提取。

　　好的光源需要能夠使你需要尋找的特征非常明顯，除了是攝像頭能夠拍攝到部件外，好的光源應該能夠產生最大的對比度、亮度足夠且對部件的位置變化不敏感。光源選擇好了，剩下來的工作就容易多了。具體的光源選取方法還在于試驗的實踐經驗。

　　在布匹的生產過程中，像布匹質量檢測這種有高度重復性和智能性的工作只能靠人工檢測來完成，在現代化流水線后面常?？煽吹胶芏嗟臋z測工人來執(zhí)行這道工序，給企業(yè)增加巨大的人工成本和管理成本的同時，卻仍然不能保證100 %的檢驗合格率（即“零缺陷”）。對布匹質量的檢測是重復性勞動，容易出錯且效率低。

　　流水線進行自動化的改造，使布匹生產流水線變成快速、實時、準確、高效的流水線。在流水線上，所有布匹的顏色、及數量都要進行自動確認（以下簡稱“布匹檢測”）。采用機器視覺的自動識別技術完成以前由人工來完成的工作。在大批量的布匹檢測中，用人工檢查產品質量效率低且精度不高，用機器視覺檢測方法可以大大提高生產效率和生產的自動化程度。

　　特征提取辨識

　　一般布匹檢測（自動識別）先利用高清晰度、高速攝像鏡頭拍攝標準圖像，在此基礎上設定一定標準；然后拍攝被檢測的圖像，再將兩者進行對比。但是在布匹質量檢測工程中要復雜一些：

　　1． 圖像的內容不是單一的圖像，每塊被測區(qū)域存在的雜質的數量、大小、顏色、位置不一定一致。

　　2． 雜質的形狀難以事先確定。

　　3． 由于布匹快速運動對光線產生反射，圖像中可能會存在大量的噪聲。

　　4． 在流水線上，對布匹進行檢測，有實時性的要求。

　　由于上述原因，圖像識別處理時應采取相應的算法，提取雜質的特征，進行模式識別，實現智能分析。

　　Color檢測

　　一般而言，從彩色CCD相機中獲取的圖像都是RGB圖像。也就是說每一個像素都由紅（R）綠（G）藍（B）三個成分組成，來表示RGB色彩空間中的一個點。問題在于這些色差不同于人眼的感覺。即使很小的噪聲也會改變顏色空間中的位置。所以無論我們人眼感覺有多么的近似，在顏色空間中也不盡相同?；谏鲜鲈?，我們需要將RGB像素轉換成為另一種顏色空間CIELAB。目的就是使我們人眼的感覺盡可能的與顏色空間中的色差相近。

　　Blob檢測

　　根據上面得到的處理圖像，根據需求，在純色背景下檢測雜質色斑，并且要計算出色斑的面積，以確定是否在檢測范圍之內。因此圖像處理軟件要具有分離目標，檢測目標，并且計算出其面積的功能。

　　Blob分析（Blob Analysis）是對圖像中相同像素的連通域進行分析，該連通域稱為Blob。經二值化（Binary Thresholding）處理后的圖像中色斑可認為是blob。Blob分析工具可以從背景中分離出目標，并可計算出目標的數量、位置、形狀、方向和大小，還可以提供相關斑點間的拓撲結構。在處理過程中不是采用單個的像素逐一分析，而是對圖形的行進行操作。圖像的每一行都用游程長度編碼(RLE）來表示相鄰的目標范圍。這種算法與基于象素的算法相比，大大提高處理速度。

　　結果處理和控制

　　應用程序把返回的結果存入數據庫或用戶指定的位置，并根據結果控制機械部分做相應的運動。

　　根據識別的結果，存入數據庫進行信息管理。以后可以隨時對信息進行檢索查詢，管理者可以獲知某段時間內流水線的忙閑，為下一步的工作作出安排；可以獲知內布匹的質量情況等等。

　　在生產線上，人來做此類測量和判斷會因疲勞、個人之間的差異等產生誤差和錯誤，但是機器卻會不知疲倦

　　地、穩(wěn)定地進行下去。一般來說，機器視覺系統包括了照明系統、鏡頭、攝像系統和圖像處理系統。對于每一個應用，我們都需要考慮系統的運行速度和圖像的處理速度、使用彩色還是黑白攝像機、檢測目標的尺寸還是檢測目標有無缺陷、視場需要多大、分辨率需要多高、對比度需要多大等。從功能上來看，典型的機器視覺系統可以分為：圖像采集部分、圖像處理部分和運動控制部分。

　　一個完整的機器視覺系統的主要工作過程如下：

　　1、工件定位檢測器探測到物體已經運動至接近攝像系統的視野中心，向圖像采集部分發(fā)送觸發(fā)脈沖。

　　2、圖像采集部分按照事先設定的程序和延時，分別向攝像機和照明系統發(fā)出啟動脈沖。

　　3、攝像機停止目前的掃描，重新開始新的一幀掃描，或者攝像機在啟動脈沖來到之前處于等待狀態(tài)，啟動脈沖到來后啟動一幀掃描。

　　4、攝像機開始新的一幀掃描之前打開曝光機構，曝光時間可以事先設定。

　　5、另一個啟動脈沖打開燈光照明，燈光的開啟時間應該與攝像機的曝光時間匹配。

　　6、攝像機曝光后，正式開始一幀圖像的掃描和輸出。

　　7、圖像采集部分接收模擬視頻信號通過A/D將其數字化，或者是直接接收攝像機數字化后的數字視頻數據。

　　8、圖像采集部分將數字圖像存放在處理器或計算機的內存中。

　　9、處理器對圖像進行處理、分析、識別，獲得測量結果或邏輯控制值。

　　10、處理結果控制流水線的動作、進行定位、糾正運動的誤差等。

　　從上述的工作流程可以看出，機器視覺是一種比較復雜的系統。因為大多數系統監(jiān)控對象都是運動物體，系統與運動物體的匹配和協調動作尤為重要，所以給系統各部分的動作時間和處理速度帶來了嚴格的要求。在某些應用領域，例如機器人、飛行物體導制等，對整個系統或者系統的一部分的重量、體積和功耗都會有嚴格的要求。

　　機器視覺系統的優(yōu)點有：

　　1、非接觸測量，對于觀測者與被觀測者都不會產生任何損傷，從而提高系統的可靠性。

　　2、具有較寬的光譜響應范圍，例如使用人眼看不見的紅外測量，擴展了人眼的視覺范圍。

　　3、長時間穩(wěn)定工作，人類難以長時間對同一對象進行觀察，而機器視覺則可以長時間地作測量、分析和識別任務。

　　機器視覺系統的應用領域越來越廣泛。在工業(yè)、農業(yè)、國防、交通、醫(yī)療、金融甚至體育、娛樂等等行業(yè)都獲得了廣泛的應用，可以說已經深入到我們的生活、生產和工作的方方面面。

　　圖像采集設備機器視覺教學實驗平臺是專門針對大學和研究機構開展機器視覺教學和研究的機器視覺教學實驗平臺，提供包括圖像測量、檢測、定位、跟蹤識別等多個圖像處理庫函數，功能強大，可覆蓋工業(yè)生產、機器視覺、智能交通、航空航天等眾多圖像處理應用領域。

　　機器視覺圖像處理教學實驗開發(fā)平臺可利用其提供的大量圖像處理和機器視覺算法進行二次開發(fā)，解決現代工業(yè)產品生產過程中涉及的各種各樣視覺問題。實驗平臺結構開放，提供擴展接口，也可添加自己的圖像處理優(yōu)異算法。

　　提供多種圖像處理實驗，如圖象分割、圖象融合、機器學習、模式識別、圖象測量、圖象處理、模式識別和人工智能、三維測量、雙目立體視覺等實驗，可以培養(yǎng)學生對機器視覺產品知識的深入理解和掌握，鍛煉學生的研究能力，創(chuàng)新思維以及獨立解決技術難題的能力。

　　作為一套完整的機器視覺教學實驗開發(fā)平臺，使用者可利用其配套的工業(yè)相機、LED光源、工業(yè)鏡頭、支架、算法軟件等搭建自己的視覺處理系統原型，了解圖像采集設備等配件的應用和選型，輕松設計、印證和評估自己的視覺系統，特別適合于大學和研究機構開展機器視覺教學和科研工作。

　　機器視覺顧名思義就是使機器具有像人一樣的視覺功能，從而實現各種檢測、判斷、識別、測量等功能。一個典型的機器視覺系統包括：光源、鏡頭、相機(CCD相機和CMOS相機）、圖像處理器（硬件）、圖像處理軟件、顯示器、執(zhí)行單元等。

　　機器視覺系統通過圖像采集硬件（相機、鏡頭、光源等）將被檢測目標轉換成圖像信號，并傳達給專用的圖像處理系統。圖像處理系統根據像素亮度、顏色分布等信息，進行目標特征的抽取，并進行相應的判斷，進而根據結果來控制現場的設備。機器視覺系統綜合了光學、機械、電子、計算機軟硬件方面的技術，設計圖像處理、模式識別、人工智能、光機電一體化等多個領域。近年來，圖像處理和模式識別等技術的快速發(fā)展，大大地推動了機器視覺的發(fā)展。

　　機器視覺系統具有效率、高柔性、高度自動化等特點。在大批量工業(yè)生產過程中，如果用人工視覺檢查產品質量，往往效率低且精度不高，用機器視覺檢測可以大幅度提高檢測效率和生產的自動化程度；同時，在一些不適合人工作業(yè)的危險工作環(huán)境或工人視覺難以滿足要求的場合中，也常用機器視覺來替代人工視覺，如核電站監(jiān)控、晶圓缺陷檢測；而且，機器視覺易于實現信息集成，是實現計算機集成制造的基礎技術之一。正是由于機器視覺系統可以快速獲取大量信息，而且易于自動處理及信息集成，因此，在現代自動化生產過程中，人們將機器視覺系統廣泛地用于裝配定位、產品質量檢測、產品識別、產品尺寸測量等方面。